シラバス レッスン 156 中 89 · プライベートな AI
プライベートな AI

出ていく前に伏せ字にする

なぜ大切か クラウドの AI、サポートのチケット、同僚と共有するログのファイルが、本当に必要なときもあります。伏せ字にするとは、まず個人の細部を取り除き、端末を出ていくのがプライベートな部分ではなく役に立つ部分になるようにすることです。本当に使えそうな小さな伏せ字の道具を作ります。

黒いマーカー

文書を共有する前に、人はかつて名前や番号を太い黒いマーカーで塗りつぶしていました。コードでの伏せ字も同じ考え方です。個人的な部分を見つけ、[EMAIL] のような置き換え文字と取り替えるので、読み手は 何か がそこにあったことはわかっても、それが何かはわかりません。

伏せ字:テキストが共有される前に、その機微な部分を置き換え文字に置き換えることです。

個人データ:名前、メールアドレス、電話番号、口座番号のような、本物の人を指すもの何でもです。

新しい道具:正規表現

「メールアドレスに見えるもの何でも」を見つけるには、ひとつのぴったりのテキストではなく、テキストの 形 を表す方法が必要です。それをするのが 正規表現(略して regex)です。Python の組み込みの re モジュールがそれを扱います。

正規表現:テキストの形を表すための小さなパターンの言語です。\d は「数字ひとつ」、+ は「前のものがひとつ以上」、[A-Za-z] は「文字ひとつ」を意味します。

今日必要なのは次の部品だけです:

部品意味一致の例
\d数字ひとつ7
\s空白ひとつ(またはタブ、改行)
[abc]中の文字のどれかひとつb
+前の部品がひとつ以上\d+ は 2026 に一致
{6,}前の部品が 6 つ以上\d{6,} は 1234567 に一致
?前の部品は任意\+? はプラス記号か何もなしに一致
\b単語の境界(単語の始まりか終わり)\bAnn\b は「Annual」を飛ばす

2 つの関数が仕事をします。re.sub(pattern, replacement, text) は、すべての一致を置き換えた新しいテキストを返します。そして決まった置き換えの代わりに 関数 を渡せます。Python は一致ごとにそれを呼び、それが返すものを使います。それで一致ごとに決められます。

import re

EMAIL_RE = re.compile(r"[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}")
print(EMAIL_RE.sub("[EMAIL]", "Write to maya@shopa.example today"))
# Write to [EMAIL] today

def shout(match):
    return match.group(0).upper()   # group(0) is the matched text

print(re.sub(r"\bcat\b", shout, "cat and category"))
# CAT and category

パターンの前の r"..." は 生の文字列 で、正規表現にバックスラッシュが見えるよう、それをそのままにするよう Python に伝えます。re.compile はパターンを再利用できるオブジェクトに変えます。パターンの文字列をそのまま re.sub に渡すこともできます。

やっかいなもの:電話番号

電話番号は多くの形で来ます:+44 7700 900123、(555) 010-4477、555.010.9988。ゆるいパターンはそのすべてを捕まえますが、2026-10-30 のような日付も捕まえてしまいます。技は 2 段階です。ゆるく一致させ、それから関数で 数字を数える。ほとんどの完全な電話番号には 9 つ以上の数字がありますが、このような日付には 8 つなので、このレッスンでは「9 つ以上の数字」を規則にします。一致の数字が少なすぎれば、変えずに返します。短い番号を使う国もあるので、本物の伏せ字の道具にはもっと注意が要ります。

よくある誤解

「伏せ字にすればテキストは匿名になる」。明らかな識別子は取り除きますが、文脈でまだ誰かがわかることがあります。「3 病棟のただひとりの左利きの看護師」は誰の名前も挙げていないのに、ひとりの人を指します。伏せ字は危険を下げますが、なくしはしません。伏せすぎること(長い注文番号を電話のように消すこと)は、安全な種類の間違いです。

ほかの言語では

JavaScript:同じ正規表現が働き、replace も関数を受け付けます。

const EMAIL = /[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}/g;
const PHONE = /\+?\(?\d[\d\s().-]{6,}\d/g;
function redact(text) {
  text = text.replace(EMAIL, "[EMAIL]");
  return text.replace(PHONE, m => (m.match(/\d/g).length >= 9 ? "[PHONE]" : m));
}

Go:regexp パッケージに ReplaceAllStringFunc があります。

phone := regexp.MustCompile(`\+?\(?\d[\d\s().-]{6,}\d`)
out := phone.ReplaceAllStringFunc(text, func(m string) string {
    n := 0
    for _, c := range m { if c >= '0' && c <= '9' { n++ } }
    if n >= 9 { return "[PHONE]" }
    return m
})

まとめ

  • 伏せ字は、テキストが端末を出る前に、個人の細部を置き換え文字と取り替えます。
  • 正規表現はテキストの形を表し、re.sub はすべての一致を置き換えます。
  • re.sub に関数を渡せば、例えば数字を数えることで、一致ごとに決められます。
  • 伏せ字は危険を減らしますが、テキストを匿名にはしません。文脈でまだ人が特定されえます。
あなたの番

次のような新しい文字列を返す関数 redact(text, names=()) を書いてください:

  1. すべてのメールアドレスを [EMAIL] に置き換える。
  2. すべての電話番号を [PHONE] に置き換える。任意の + か ( で始まり、次に数字、数字、空白、ドット、ダッシュ、かっこが続き、数字で終わり、少なくとも 9 つの数字 を含む連なりを電話番号として扱う。数字が少ない連なり(2026-10-30 のような日付、時刻、値段)はそのまま。
  3. names のすべての名前を、大文字小文字を区別せず、ただし単語全体としてだけ、[NAME] に置き換える(名前 Ann は「Annual」を変えてはいけない)。
まずメールアドレス、次に電話、次に名前を置き換えてください。テキストのほかのものはすべて、ぴったりそのままでなければなりません。redact を 2 回実行しても、1 回実行したのと同じ結果にならなければなりません。最後に redact("Call Maya on +44 7700 900123 or maya@shopa.example", ["Maya"]) を表示してください。

このレッスンに問題を見つけましたか?報告する · このレッスンについて質問する

この演習はまもなく開きます

その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。